論文の概要: Using Logs to support Programming Education

• arxiv url: http://arxiv.org/abs/2605.10920v1
• Date: Mon, 11 May 2026 17:53:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:51.054057
• Title: Using Logs to support Programming Education
• Title（参考訳）: ログを使ってプログラミング教育を支援する
• Authors: Gilmar Gomes do Nascimento, Maria Claudia F. P Emer, Adolfo Gustavo Serra Seca Neto, Laudelino Cordeiro Bastos,
• Abstract要約: このプロジェクトは、個々の学生とクラス全体のコード開発ログからリアルタイムの学習分析を収集することでギャップを埋める。 従来の学習管理システムとは違って,広く使用されているコードエディタ用のプラグインという,新しいアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software developers use metrics to evaluate code quality and productivity, but these practices are still rare in programming education. This project bridges the gap by collecting real-time learning analytics from individual student and whole-class code development logs. This granular, quantitative data provides educators with qualitative insights into the learning process. It allows them to evaluate student comprehension, identify common challenges, and critically assess whether the allocated time for exercises and algorithms is sufficient for mastery. Unlike traditional Learning Management Systems, we propose a novel approach: a plugin for a widely used code editor that captures granular interactions during programming and documentation. The resulting dataset logs coding behaviors, errors, and progress, enabling evidence-based analysis of learning patterns and educational benchmarking. By structuring this real-time programming trail, we support research on teaching methodologies, learner challenges, and skill acquisition. Quantitative metrics complement qualitative assessment by evaluating code, exercise progress, and timestamp logs. Our goal is to provide an open-access database for educators and researchers, fostering data-driven insights to enhance instruction and personalize learning experiences. This work aligns industrial best practices with pedagogical innovation, advancing measurable, empirical approaches to programming education.
• Abstract（参考訳）: ソフトウェア開発者は、コード品質と生産性を評価するためにメトリクスを使用するが、プログラミング教育においてこれらのプラクティスは依然として稀である。 このプロジェクトは、個々の学生とクラス全体のコード開発ログからリアルタイムの学習分析を収集することでギャップを埋める。 この粒度で定量的なデータは、学習プロセスに関する質的な洞察を教育者に与えます。 学生の理解を評価し、共通の課題を特定し、演習やアルゴリズムに割り当てられた時間が熟達するのに十分かどうかを批判的に評価することができる。 従来のLearning Management Systemsとは違って,プログラミングやドキュメンテーションにおける粒度のインタラクションをキャプチャする,広く使用されているコードエディタ用のプラグインという,新たなアプローチを提案する。 結果として得られたデータセットは、コーディングの動作、エラー、進捗をログし、学習パターンと教育ベンチマークのエビデンスベースの分析を可能にする。 このリアルタイムプログラミングの軌跡を構造化することにより,教育方法論,学習者の課題,スキル獲得に関する研究を支援する。 定量的メトリクスは、コードの評価、エクササイズ進捗、タイムスタンプログによって質的な評価を補完します。 我々のゴールは、教育者や研究者のためのオープンアクセスデータベースを提供することであり、学習体験の指導とパーソナライズのためのデータ駆動の洞察を促進することである。 この作業は、産業のベストプラクティスを教育的な革新と整合させ、測定可能で経験的なプログラミング教育のアプローチを推し進める。

関連論文リスト

• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• A Survey of LLM-Based Applications in Programming Education: Balancing Automation and Human Oversight [0.0]
  本調査は,プログラム教育における大規模言語モデル(LLM)の適用に関する最近の研究を,形式的コードフィードバック,アセスメント,知識モデリングの3分野に分けてまとめたものである。 これらのツールの適用方法において繰り返し発生するデザインパターンを特定し,教育者の専門知識がヒューマン・イン・ザ・ループの監視,足場,評価を通じてモデル出力を補完する場合には,介入が最も効果的であることを示す。
  論文  参考訳（メタデータ） (2025-10-04T07:46:20Z)
• CoderAgent: Simulating Student Behavior for Personalized Programming Learning with Large Language Models [34.62411261398559]
  実データに頼ることなく,学生のプログラミングプロセスをきめ細かい方法でシミュレートするLLMエージェントCoderAgentを提案する。 具体的には、人間の学習者に知的エージェントを配し、その中核となるのは、人間のプログラミング実践プロセスの認知状態を捉えることである。
  論文  参考訳（メタデータ） (2025-05-27T02:43:38Z)
• Active Learning Methods for Efficient Data Utilization and Model Performance Enhancement [5.4044723481768235]
  本稿では,より少ないラベル付き例を用いてモデルの性能向上を支援する機械学習の戦略である,アクティブラーニング(AL)の概要を紹介する。 ALの基本概念を導入し、コンピュータビジョン、自然言語処理、トランスファーラーニング、実世界のアプリケーションなど、様々な分野でどのように使われているかについて議論する。
  論文  参考訳（メタデータ） (2025-04-21T20:42:13Z)
• Teaching Well-Structured Code: A Literature Review of Instructional Approaches [2.389598109913754]
  この体系的な文献レビューは、既存の教育的アプローチ、その目的、およびそれらの効果を測定するために使用される戦略を識別する。 これらの研究は,(1)自動化ツールの開発・評価に焦点をあてた研究,(2)他の教材について議論する研究,(3)コード品質を支援するためのコース設計の全体的アプローチを通じて,カリキュラムにコード構造を統合する方法について議論する研究の3つのカテゴリに分類した。
  論文  参考訳（メタデータ） (2025-02-16T18:51:22Z)
• KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [73.34893326181046]
  本稿では,効率的なモデル適応によりRAGシステムを強化する自己教師型フレームワークKBAlignを提案する。 私たちのキーとなる洞察は、2つの革新的なメカニズムを通じて、モデルの本質的な能力を知識の整合性に活用することです。 KBAlign は GPT-4 による適応によって得られる性能向上の90%を達成できることを示した。
  論文  参考訳（メタデータ） (2024-11-22T08:21:03Z)
• A Benchmark for Fairness-Aware Graph Learning [58.515305543487386]
  本稿では,10の代表的な公正性を考慮したグラフ学習手法に関する広範なベンチマークを示す。 我々の詳細な分析は、既存の手法の強みと限界に関する重要な洞察を明らかにしている。
  論文  参考訳（メタデータ） (2024-07-16T18:43:43Z)
• Charting a Path to Efficient Onboarding: The Role of Software Visualization [49.1574468325115]
  本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。 本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
  論文  参考訳（メタデータ） (2024-01-17T21:30:45Z)
• Curriculum Learning: A Survey [65.31516318260759]
  カリキュラム学習戦略は、機械学習のあらゆる分野で成功している。 我々は,様々な分類基準を考慮して,カリキュラム学習アプローチの分類を手作業で構築する。 集約型クラスタリングアルゴリズムを用いて,カリキュラム学習手法の階層木を構築する。
  論文  参考訳（メタデータ） (2021-01-25T20:08:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。